Anonymiser les dossiers patients pour audit qualité hospitalier (RMM, CREX) – Anonymisation conforme au RGPD selon CSP L1112-1 ; RGPD art. 9(2)(h), art. 32 ; Loi 78-17 art. 65

Les revues de morbi-mortalité (RMM) et les comités de retour d'expérience (CREX) analysent des dossiers patients réels pour améliorer la qualité des soins, dans le cadre de la gestion des systèmes de santé prévu par l'article 9(2)(h) du RGPD et l'article L1112-1 du CSP. L'anonymisation protège les patients tout en préservant la valeur pédagogique des cas discutés.

Quand cela s'applique

Ce flux est adapté aux services hospitaliers organisant des RMM, CREX ou dossiers de soins critiques devant être présentés à des équipes pluridisciplinaires ou partagés avec des auditeurs externes mandatés par la HAS.

  1. Sélectionnez les dossiers patients à analyser en RMM ou CREX depuis le SIH.
  2. Téléversez les documents ; le moteur identifie les données identifiantes du patient (nom, date de naissance, adresse, numéro de séjour).
  3. Les identifiants directs sont remplacés par un code de cas (ex. CAS-2024-001) cohérent sur l'ensemble du dossier.
  4. Les identifiants des soignants impliqués (médecins, infirmières) sont pseudonymisés par un code de rôle, préservant la traçabilité professionnelle en interne.
  5. La chronologie des événements (dates) est préservée en format relatif (J0, J+1, J+7) pour l'analyse temporelle.
  6. Les données cliniques (diagnostics, actes, complications) sont conservées intégralement.
  7. Le dossier anonymisé est exporté pour présentation en réunion de service ou transmission à l'auditeur externe.

Ce que vous fournissez

  • Dossiers patients sélectionnés depuis le SIH (PDF, DOCX ou export XML)
  • Indication du type de réunion (RMM interne, CREX, audit HAS externe)
  • Niveau de pseudonymisation des soignants requis (interne ou externe)
  • Format de sortie souhaité (PDF de présentation, DOCX pour rapport)

Limites & précautions

  • Les informations sur des événements indésirables graves (EIG) doivent être déclarées à l'Assurance Maladie et à l'ARS avec les données identifiantes nécessaires — l'anonymisation ne s'applique pas aux obligations déclaratives EIG.
  • Certains incidents très rares ou très médiatisés peuvent être reconnaissables même sans identifiants directs — une vigilance particulière est requise pour la diffusion externe.
  • L'anonymisation à des fins d'audit qualité constitue un traitement de données de santé soumis à l'article 9(2)(h) RGPD — ce traitement doit figurer au registre des activités de traitement de l'établissement.

FAQ

Les RMM sont-elles soumises à une obligation légale d'anonymisation ?

Il n'existe pas d'obligation légale explicite d'anonymiser les dossiers en RMM, mais le principe de minimisation des données (art. 5(1)(c) RGPD) et les recommandations HAS préconisent de ne traiter que les données strictement nécessaires à l'analyse de qualité. L'anonymisation systématique est la bonne pratique recommandée, surtout lors d'invitations d'intervenants externes.

Les données de RMM peuvent-elles être utilisées dans un rapport annuel qualité publié ?

Oui, à condition que les données publiées soient anonymisées et agrégées. La publication de statistiques de morbi-mortalité (taux d'incidents, types d'événements) sans données identifiantes individuelles est encouragée pour la transparence des établissements de santé. La RGPD et l'art. 9(2)(h) permettent ce traitement dans le cadre de la gestion des systèmes de santé.

Données de santé

About this page

We update this page when our platform or the law changes.

Read our founder note for how we work.

Each change shows up in the timestamp at the top.

We follow these rules

  • GDPR (EU 2016/679).
  • ISO/IEC 27001:2022.
  • NIS2 (EU 2022/2555).
  • HIPAA safe harbor under 45 CFR § 164.514(b)(2).

Our promise

We do not sell your data.

We do not train models on your text.

We store your files in Germany.

You can delete your account at any time.

You own your work.

Where we run

Our servers live in Falkenstein, Germany.

We use Hetzner. They hold ISO 27001 certification.

All data stays in the EU.

Backups run every day.

Need help?

Email support@anonym.legal.

We reply within one business day.

How we test

We run a full check suite on every release.

Each surface gets its own sweep script and report.

Human reviewers spot-check the output each week.

We track recall and precision on a labelled set.

Bad runs block the deploy.

What we never do

  • We never sell your information to third parties.
  • We never train models on what you upload.
  • We never keep your work after you delete it.
  • We never share keys with any outside firm.
  • We never run ads inside the product.

Plans in plain words

We sell credits, not seats.

One credit covers one short job.

Long jobs use a few credits each.

You can top up at any time.

Unused credits roll over each month.

Read the plans page for current rates.

Who built this

A small team of engineers and lawyers built this.

We ship from Europe and work in the open.

Our founder note spells out why we started.

Where to start

How the parts fit

A browser add-on cleans text inside Chrome.

A Word plug-in handles drafts in Office.

A small desktop tool works on whole folders.

An agent protocol link feeds large models safely.

All four share one core engine and one rule set.

Words from our team

We started this work after a lunch about cookies.

One friend kept getting odd ads on her phone.

We asked why a court file leaked through a draft.

We sketched the first build on a napkin that week.

By month three we had a tiny demo for a friend.

She used it on her first case the next day.

Common questions we hear

Can the tool read scanned PDFs? Yes, with OCR.

Does it work on long files? Yes, in small chunks.

Can I roll my own rule set? Yes, save it as a preset.

Does it run offline? The desktop build runs offline.

Do you keep my files? No, the cloud build wipes after each run.

Will it learn from my work? No, we never train on inputs.

A short tour of the workflow

Upload a file or paste a snippet of prose.

Pick the entities you want gone from the draft.

Choose a method: replace, mask, hash, encrypt, or redact.

Press run and watch the side panel show each hit.

Skim the result and tweak any rule that misfired.

Save the cleaned file or send it to a teammate.